语言大模型 / LLM

Text Embedded Swin-UMamba for DeepLesion Segmentation

文本嵌入的Swin-UMamba用于深度病变分割

Ruida Cheng, Tejas Sudharshan Mathai, Pritam Mukherjee, Benjamin Hou, Qingqing Zhu, Zhiyong Lu, Matthew McAuliffe, Ronald M. Summers

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出Text-Swin-U/Mamba模型，通过整合文本信息提升深度病变分割的精度，实验结果显示其在Dice分数和Hausdorff距离上均优于现有方法。

TorchTraceAP: A New Benchmark Dataset for Detecting Performance Anti-Patterns in Computer Vision Models

TorchTraceAP: 一种新的基准数据集，用于检测计算机视觉模型中的性能反模式

Hanning Chen, Keyu Man, Kevin Zhu, Chenguang Zhu, Haonan Li, Tongbo Luo, Xizhou Feng, Wei Sun, Sreen Tallam, Mohsen Imani, Partha Kanuparthy

机构 * University of California, Irvine（加州大学尔湾分校） ； Meta ； University of California, Riverside（加州大学河滨分校） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 TorchTraceAP提出了一种新的基准数据集和迭代方法，用于提升ML模型检测计算机视觉模型轨迹中反模式的能力。

FiNERweb: Datasets and Artifacts for Scalable Multilingual Named Entity Recognition

FiNERweb：用于可扩展多语言命名实体识别的数据集和工具

Jonas Golde, Patrick Haller, Alan Akbik

机构 * Humboldt Universität zu Berlin（洪堡大学柏林分校） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 FiNERweb通过回归模型和多语言LLM标注，生成大规模多语言命名实体识别数据集，提升零样本迁移性能并确保标注质量。

Made-in China, Thinking in America:U.S. Values Persist in Chinese LLMs

中国制造，思考在美国：美国价值观在中国的大型语言模型中持续存在

David Haslett, Linus Ta-Lun Huang, Leila Khalatbari, Janet Hui-wen Hsiao, Antoni B. Chan

机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； Sharif University of Technology（谢赫·穆吉贝尔谢赫·穆吉贝尔大学） ； Chinese University of Hong Kong（香港中文大学） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；prompting(abstract)；分类 cs.AI

AI总结 研究发现中国制作的大型语言模型在道德和价值观上更倾向于美国人的倾向，即使在提示或身份调整后也难以完全改变。

Beyond Task Completion: An Assessment Framework for Evaluating Agentic AI Systems

超越任务完成：评估智能体AI系统的框架

Sreemaee Akshathala, Bassam Adnan, Mahisha Ramesh, Karthik Vaidhyanathan, Basil Muhammed, Kannan Parthasarathy

机构 * SERC, IIIT-Hyderabad（IIIT-海得拉巴的SERC） ； MontyCloud Inc（MontyCloud公司） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出一个端到端的智能体评估框架，旨在评估智能体AI系统的行为，而不仅仅是任务完成度。

DIWALI: Diversity and Inclusivity aWare cuLture specific Items for India: Dataset and Assessment of LLMs for Cultural Text Adaptation in Indian Context

DIWALI：多样性与包容性-aware的文化特定项目用于印度：数据集和对LLM进行文化文本适应的评估

Pramit Sahoo, Maharaj Brahma, Maunendra Sankar Desarkar

机构 * Natural Language and Information Processing Lab (NLIP) Indian Institute of Technology Hyderabad（自然语言与信息处理实验室（NLIP）印度理工学院海得拉巴） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 DIWALI数据集通过17个文化维度的8,000个文化概念，评估LLM在印度文化文本适应中的文化意识与一致性。

Comments Accepted at EMNLP 2025

QCircuitBench: A Large-Scale Dataset for Benchmarking Quantum Algorithm Design

QCircuitBench：用于量子算法设计的大型数据集

Rui Yang, Ziruo Wang, Yuntian Gu, Tianyi Chen, Yitao Liang, Tongyang Li

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； Center on Frontiers of Computing Studies, Peking University（北京大学计算前沿研究中心） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Anderson School of Management, University of California, Los Angeles（美国加州大学洛杉矶分校安德森管理学院） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） 纠错

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)；分类 cs.LG

AI总结 QCircuitBench是一个用于评估AI在量子算法设计中能力的大型数据集，包含多种任务和算法，揭示了大语言模型在此领域的局限性。

Comments 45 pages, 17 figures, 15 tables, GitHub repository: https://github.com/EstelYang/QCircuitBench

From Obfuscated to Obvious: A Comprehensive JavaScript Deobfuscation Tool for Security Analysis

从隐蔽到明显：一种全面的JavaScript去混淆工具用于安全分析

Dongchao Zhou, Lingyun Ying, Huajun Chai, Dongbin Wang

专题命中 评测与基准 ：LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 JSIMPLIFIER是一种全面的JavaScript去混淆工具，通过多阶段管道和多维评估指标，在20种混淆技术上实现100%处理能力，提升代码可读性四倍以上。

Semantic Mismatch and Perceptual Degradation: A New Perspective on Image Editing Immunity

语义不匹配与感知退化：图像编辑免疫的新视角

Shuai Dong, Jie Zhang, Guoying Zhao, Shiguang Shan, Xilin Chen

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences (CAS)（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of China Academy of Sciences（中国科学院大学） ； Center for Machine Vision and Signal Analysis, University of Oulu（信号分析中心，奥卢大学） ； School of Computer Science, China University of Geosciences（计算机科学学院，中国地质大学） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出SIFM方法和ISR度量标准，通过语义不匹配和感知退化来评估图像编辑免疫效果，提升对抗恶意扩散式操纵的能力。

Comments 11 pages, 4 figures

The Trust in AI-Generated Health Advice (TAIGHA) Scale and Short Version (TAIGHA-S): Development and Validation Study

TAIGHA量表及简版（TAIGHA-S）：开发与验证研究

Marvin Kopka, Azeem Majeed, Gabriella Spinelli, Austen El-Osta, Markus Feufel

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本研究开发并验证了TAIGHA量表及其简版TAIGHA-S，用于评估用户对人工智能生成健康建议的信任和不信任，具有高信效度和实用性。

KFS-Bench: Comprehensive Evaluation of Key Frame Sampling in Long Video Understanding

KFS-Bench: 长视频理解中关键帧采样的全面评估

Zongyao Li, Kengo Ishida, Satoshi Yamazaki, Xiaotong Ji, Jianquan Liu

机构 * Visual Intelligence Research Laboratories, NEC Corporation（NEC公司视觉智能研究实验室） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 KFS-Bench通过多场景标注评估关键帧采样策略，提出新度量标准和方法提升问答性能。

Comments WACV2026

Complex Mathematical Expression Recognition: Benchmark, Large-Scale Dataset and Strong Baseline

复杂数学表达式识别：基准测试、大规模数据集和强大基线

Weikang Bai, Yongkun Du, Yuchen Su, Yazhen Xie, Zhineng Chen

机构 * \equalcontrib（机构1） 纠错

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出CMER-Bench基准测试和大规模数据集MER-17M和CMER-3M，开发了CMERNet模型，有效提升了复杂数学表达式识别的性能。

Assessing Greenspace Attractiveness with ChatGPT, Claude, and Gemini: Do AI Models Reflect Human Perceptions?

利用ChatGPT、Claude和Gemini评估绿地吸引力：AI模型能反映人类感知吗？

Milad Malekzadeh, Magdalena Biernacka, Elias Willberg, Jussi Torkko, Edyta Łaszkiewicz, Tuuli Toivonen

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文研究了AI模型在评估绿地吸引力方面的表现，发现其在正式绿地和非正式空间的判断一致性较高，但存在对安全性和本地嵌入质量的低估问题。

Pairwise Comparison for Bias Identification and Quantification

成对比较用于偏见识别与量化

Fabian Haak, Philipp Schaer

专题命中 评测与基准 ：large language model(abstract)；language model(abstract)

AI总结 本文通过成对比较方法减少标注成本，提出高效评分实现，用于量化偏见等主观语言特征。

VIBE: Can a VLM Read the Room?

VIBE：视觉语言模型能否读懂房间？

Tania Chakraborty, Eylon Caplan, Dan Goldwasser

机构 * Purdue University（普渡大学） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.LG

AI总结 本文提出视觉社交-语用推理任务，揭示VLM在社交推理中的局限性，并通过高质量数据集评估多种VLM的性能。

Comments Findings of EMNLP, 2025

COMMA: A Communicative Multimodal Multi-Agent Benchmark

COMMA：一种基于通信的多模态多智能体基准

Timothy Ossowski, Danyal Maqbool, Jixuan Chen, Zefan Cai, Tyler Bradshaw, Junjie Hu

机构 * Department of Computer Sciences University of Wisconsin-Madison（计算机科学系威斯康星大学麦迪逊分校） ； Department of Computer Sciences UC San Diego（计算机科学系加州大学圣地亚哥分校） ； Department of Radiology University of Wisconsin-Madison（放射学系威斯康星大学麦迪逊分校） ； Department of Computer Sciences Department of Biostatistics and Medical Informatics University of Wisconsin-Madison（计算机科学系生物统计学与医学信息学系威斯康星大学麦迪逊分校） 纠错

专题命中 评测与基准 ：foundation model(abstract)；分类 cs.AI

AI总结 COMMA基准通过语言通信评估多模态多智能体系统的协作性能，揭示现有模型在智能体协作中的不足。

Journal ref Transactions on Machine Learning Research, 2025

MobileWorldBench: Towards Semantic World Modeling For Mobile Agents

MobileWorldBench: 向移动智能体的语义世界建模迈进

Shufan Li, Konstantinos Kallidromitis, Akash Gokul, Yusuke Kato, Kazuki Kozuka, Aditya Grover

机构 * UCLA（加州大学洛杉矶分校） ； Panasonic AI Research（松下人工智能研究） ； Salesforce AI Research（Salesforce人工智能研究） 纠错

专题命中 评测与基准 ：language model(abstract)；分类 cs.AI

AI总结 MobileWorldBench通过语义世界模型提升移动智能体任务成功率

Comments 21 pages, 13 figures

ValuePilot: A Two-Phase Framework for Value-Driven Decision-Making

ValuePilot：一种面向价值驱动决策的双阶段框架

Yitong Luo, Ziang Chen, Hou Hei Lam, Jiayu zhan, Junqi Wang, Zhenliang Zhang, Xue Feng

机构 * State Key Laboratory of General Artificial Intelligence, BIGAI（1 通用人工智能国家重点实验室，BIGAI） ； Tsinghua University（2 清华大学） ； Peking University（3 北京大学） 纠错

专题命中 评测与基准 ：LLM(abstract)；分类 cs.AI

AI总结 ValuePilot通过双阶段框架实现价值驱动的个性化决策，提升AI在复杂场景中的可解释性和适应性。

Comments Accepted at LAW Workshop, NeurIPS 2025

Analysing Knowledge Construction in Online Learning: Adapting the Interaction Analysis Model for Unstructured Large-Scale Discourse

分析在线学习中的知识构建：为无结构大规模 discourse 调整交互分析模型

Jindi Wang, Yidi Zhang, Zhaoxing Li, Pedro Bem Haja, Ioannis Ivrissimtzis, Zichen Zhao, Sebastian Stein

专题命中 评测与基准 ：language model(abstract)；分类 cs.CL

AI总结 本研究提出并验证了结合代码本和自动分类器的框架，用于大规模分析无结构在线 discourse 中的知识构建，通过实验展示了其在不同领域中的有效性。

Evaluating Small Language Models for Agentic On-Farm Decision Support Systems

评估小型语言模型用于农场代理决策支持系统

Enhong Liu, Haiyu Yang, Miel Hostens

专题命中 效率与部署 ：language model(title,abstract)；small language model(title,abstract)；LLM(abstract)；large language model(abstract)

AI总结 本文评估了小型语言模型在乳牛养殖决策支持系统中的可行性，开发了集成多个代理的 AI 系统，并展示了 Qwen-4B 在多数任务中的优异表现。

HyperVL: An Efficient and Dynamic Multimodal Large Language Model for Edge Devices

HyperVL: 一种高效的多模态大语言模型用于边缘设备

HyperAI Team, Yuchen Liu, Kaiyang Han, Zhiqiang Xia, Yuhang Dong, Chen Song, Kangyu Tang, Jiaming Xu, Xiushi Feng, WenXuan Yu, Li Peng, Mingyang Wang, Kai Wang, Changpeng Yang, Yang Li, Haoyu Lu, Hao Wang, Bingna Xu, Guangyao Liu, Long Huang, Kaibin Guo, Jinyang Wu, Dan Wu, Hongzhen Wang, Peng Zhou, Shuai Nie, Shande Wang, Runyu Shi, Ying Huang

机构 * HyperAI Team（HyperAI团队） ； Xiaomi Corporation（小米公司） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)；分类 cs.CL

AI总结 HyperVL是一种为边缘设备优化的高效多模态大语言模型，通过图像分块、视觉分辨率压缩和双一致性学习技术，实现低延迟、低功耗的多模态推理。

Comments Technical report of Xiaomi HyperAI Team

Advanced Black-Box Tuning of Large Language Models with Limited API Calls

大语言模型有限API调用下的高级黑盒调优

Zhikang Xie, Weilin Wan, Peizhu Gong, Weizhong Zhang, Cheng Jin

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；foundation model(abstract)；分类 cs.AI

AI总结 本文提出了一种基于高斯过程替代模型的高级黑盒调优方法，通过减少API调用次数提升大语言模型的准确性。

Comments 15 pages, 6 figures

PerProb: Indirectly Evaluating Memorization in Large Language Models

PerProb：间接评估大语言模型中的记忆化

Yihan Liao, Jacky Keung, Xiaoxue Ma, Jingyu Zhang, Yicheng Sun

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)

AI总结 PerProb提出了一种无标签框架，通过比较困惑度和对数概率变化间接评估大语言模型的记忆化漏洞，并验证了多种缓解策略的有效性。

Comments Accepted at APSEC 2025

Adaptive Cache Pollution Control for Large Language Model Inference Workloads Using Temporal CNN-Based Prediction and Priority-Aware Replacement

基于时间卷积网络的自适应缓存污染控制：用于大语言模型推理工作负载

Songze Liu, Hongkun Du, Shaowen Wang

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract)

AI总结 本文提出基于时间卷积网络的自适应缓存污染控制机制，通过预测和优先级替换策略优化LLM推理性能。

SASQ: Static Activation Scaling for Quantization-Aware Training in Large Language Models

SASQ：用于大语言模型量化感知训练的静态激活缩放

Shizhuo Mao, Song Chen, Yi Kang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.AI

AI总结 SASQ通过优化激活量化因子，实现了大语言模型在量化感知训练中的高精度静态推理与高效部署。

Scaling and Transferability of Annealing Strategies in Large Language Model Training

在大语言模型训练中退火策略的扩展性与可迁移性

Siqi Wang, Zhengyu Chen, Teng Xiao, Zheqi Lv, Jinluan Yang, Xunliang Cai, Jingang Wang, Xiaomeng Li

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本研究提出了一种通用框架，用于优化大语言模型训练中的退火策略，通过实验表明退火策略可跨不同模型配置迁移，提高了学习率调度的效率和实用性。

Comments Accepted to AAAI 2026 (camera-ready version)

DART: Difficulty-Adaptive Reasoning Truncation for Efficient Large Language Models

DART: 为高效大语言模型的难度自适应推理截断

Ruofan Zhang, Bin Xia, Zhen Cheng, Cairen Jian, Minglun Yang, Ngai Wong, Yuan Cheng

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； CSE Department, The Chinese University of Hong Kong（香港中文大学计算机科学与工程系） ； Research and Development Department, SIMMIR Tech（Simmir科技研发部） ； School of Information Science and Technology, Xiamen University Tan Kah Kee College（厦门大学信息科学与技术学院） ； The University of Hong Kong（香港大学） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.AI

AI总结 DART通过自适应调整推理长度提升大语言模型效率，实现81.2%的推理截断和5.33倍的计算加速。

RADAR: Accelerating Large Language Model Inference With RL-Based Dynamic Draft Trees

RADAR: 通过基于强化学习的动态草稿树加速大语言模型推理

Junjie Ma, Jinlong Li

机构 * School of Computer Science（计算机科学学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 效率与部署 ：large language model(title,abstract)；language model(title,abstract)；分类 cs.AI

AI总结 RADAR通过基于强化学习的动态草稿树方法，有效提升大语言模型推理速度，实现3.17至4.82倍的加速效果。

Comments 5 pages, 2 figures

Informing Acquisition Functions via Foundation Models for Molecular Discovery

通过基础模型指导获取函数以加速分子发现

Qi Chen, Fabio Ramos, Alán Aspuru-Guzik, Florian Shkurti

机构 * Department of Computer Science, University of Toronto（计算机科学系，多伦多大学） ； NVIDIA Research Seattle Robotics Lab (SRL)（NVIDIA研究塞班机器人实验室） ； University of Sydney（悉尼大学） ； Department of Chemical Engineering & Applied Chemistry, University of Toronto（化学工程与应用化学系，多伦多大学） ； Acceleration Consortium（加速联盟） ； Data Science Institute（数据科学研究所） ； Vector Institute（向量研究所） ； Robotics Institute（机器人研究所） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究研究院） 纠错

专题命中 效率与部署 ：foundation model(title,abstract)；LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 本文提出一种无需显式替代模型的贝叶斯优化方法，利用通用LLMs和化学基础模型的先验知识指导获取函数，提升分子发现的扩展性、鲁棒性和样本效率。

Neurosymbolic Inference On Foundation Models For Remote Sensing Text-to-image Retrieval With Complex Queries

面向遥感文本到图像检索的神经符号推理：为复杂查询的基座模型

Emanuele Mezzi, Gertjan Burghouts, Maarten Kruithof

机构 * Vrije Universiteit Amsterdam（瓦赫宁根大学阿姆斯特丹） ； TNO（荷兰国防研究院） 纠错

专题命中 效率与部署 ：foundation model(title,abstract)；LLM(abstract)；large language model(abstract)；language model(abstract)

AI总结 RUNE通过结合大型语言模型和神经符号AI，利用逻辑推理提升遥感文本到图像检索的性能与可解释性，针对复杂查询和图像不确定性提出新的评估指标。